长文本中精神困扰成因的多类分类
计算与语言
2023-04-11 v1 计算机与社会
摘要
受近期在推断社交媒体帖子中用户心理状态方面进展的启发，我们识别并形式化了在自述文本中发现精神疾病背后因果指标的问题。过去，我们见证了基于规则的研究在精心整理的 Facebook 数据上进行因果解释分析。针对 Reddit 帖子中基于 transformer 的多类因果分类的调查指向了一个使用长文本的问题，此类文本包含多达 4000 个词。开发端到端基于 transformer 的模型受到给定实例最大长度的限制。为处理该问题，我们使用 Longformer 并将其编码部署于基于 transformer 的分类器上。实验结果表明，Longformer 在公开可用数据集 M-CAMS 上以 62\% F1 分数取得了新的 SOTA 结果。特定成因分析与消融研究证明了 Longformer 的有效性。我们相信我们的工作促进了社交媒体数据上抑郁与自杀风险的因果分析，并显示出在其他精神健康状况上应用的潜力。
引用
@article{arxiv.2304.04118,
title = {Multi-class Categorization of Reasons behind Mental Disturbance in Long Texts},
author = {Muskan Garg},
journal= {arXiv preprint arXiv:2304.04118},
year = {2023}
}